近年来Internet迅猛发展，Web已随之发展为世界上规模最大最复杂的知识库，越来越多的人从Web中获取其所需信息，因此，Web信息抽取方法应运而生。Web上的数据类型多种多样，有结构化表格数据，半结构网页数据和无结构文本等等。Web表格广泛存在于网络购物、供求信息、资料检索结果等页面，从Web表格中抽取结构化表格数据，具有重要的研究意义。然而，这种半结构化的Web表格难以被用户推荐、供求分析等Web应用系统直接使用。为此，本文主要研究半结构化的Web表格信息抽取方法。由于Web网页可解析成树结构形式，经分析，Web表格信息在解析树中具有层次结构分明，类似的Web表格数据域对应的子树结构相似等特点。本文提出一个基于树编辑距离的表格数据域抽取算法EtractDRs，其中以树编辑距离度量子树结构的相似性，将结构相似度大于设定阈值的子结构合并，形成候选表格数据域，根据预定的启发式规则进行判别，得到最终的表格数据域。在上述工作基础上，最终得到所需的数据域。本文的主要工作如下：(1).有监督的学习算法，充分利用网页结构对数据进行处理，将网页解析成DOM树，采用基于路径模式的抽取方法抽取网页表格数据，无需对网页中具体内容进行分析。使用此方法思路简洁且适应性强。(2).无监督的学习算法，本文采用了一种自上而下受限的树编辑距离方法，根据网页源码编码及解析树的结构特点，网页信息结构差异采用自上而下的树比较方法最为合适。